Cortex 使用场景合集：从个人到团队
在「数据与分析」类工具里，Snowflake Cortex AI 的定位是：Snowflake 数据云中的大模型与 AI 函数。
下面列出 10 个具体场景，每个都注明适合与不适合的情况。
10 个场景
- 自然语言问数：需要人工复核。
- 写 SQL 查询：可以做成固定模板。
- 数据清洗方案：适合先小范围试用。
- 指标异动解读：适合每周重复执行。
- 图表建议：适合先小范围试用。
- 评测大模型应用：需要人工复核。
- 数据分析师：取数与 SQL：需要人工复核。
- 财务人员：单据识别录入：适合先小范围试用。
- 新媒体运营：内容排期：适合先小范围试用。
- 软件工程师：代码阅读与重构：需要人工复核。
挑两个场景细看
图表建议
准备材料：一组需要汇报的数据。
根据这些数据推荐合适的图表类型，说明理由，并指出容易误导读者的画法（如截断坐标轴）。
验收标准：指出了误导风险。
数据清洗方案
适用情况：手头有一份有缺失和异常值的数据时。
分析这份数据的质量问题：缺失值比例、异常值、格式不一致的字段，给出处理建议，并说明每种处理方式对结论的影响。
交付前确认：说明了处理对结论的影响。
不适合的场景
- 需要专业资质最终签字的判断。
- 无法核实来源却要公开发布的内容。
- 涉及他人隐私且未获授权的材料。
补充练习
评测大模型应用
准备材料：一批真实用户问题和应用回答。
为这批回答设计评测：定义 4 个评分维度，写出评分标准，抽取 20 条进行人工打分，并统计各维度的问题类型。
验收标准：评分标准清晰可复用。
自然语言问数
准备材料：一张销售明细表。
请基于这张表回答：上个季度销售额最高的 3 个地区是哪些？与前一季度相比变化多少？请同时给出你使用的计算方法或 SQL，便于我复核。
检查点：给出了可复核的计算过程。
指标异动解读
输入：一个突然下降的业务指标。
日活本周下降了，请列出可能原因的排查清单，按「数据问题 / 产品变化 / 外部因素」分类，每项写明需要查看的数据。
验收标准：先排查数据本身问题。
常见问题：敏感数据暴露给模型
使用脱敏视图或只读账号，限制可访问的表。
常见问题：问数结果看似合理但错误
准备几道已知答案的问题做抽检。
常见问题：AI 算出的数字和报表不一致
检查口径和过滤条件，要求它输出 SQL 或公式逐步复核。
概念补充：文本转 SQL
把自然语言问题转换为数据库查询语句。
概念补充：口径
指标的定义与计算规则，不同口径会得出不同结论。
适合人群：咨询顾问
咨询顾问可以用 Cortex 处理行业研究、访谈整理等工作。需要注意：客户机密遵守保密协议，研究结论注明来源。
适合人群：HR 与招聘
HR 与招聘可以用 Cortex 处理岗位描述撰写、面试题与评估表等工作。需要注意：简历筛选不得以性别、年龄等因素做歧视性判断，候选人信息需妥善保管。
使用提醒
涉及个人信息、商业机密或受监管数据时，先确认 Snowflake Cortex AI 的数据处理条款，再决定能否使用。
所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。